![]()
11
| 2 | 2008
Klinisk Biokemi i Norden
Hvis studiet har krevd en betydelig arbeidsinnsats,
bør andre få glede av dette, for eksempel i form av en
publikasjon eller poster. Andre må da kunne sjekke
data og konklusjoner fra studiet mot sin egen analyse.
Kommersielt tilgjengelige kontroller eller liknende
materialer bør derfor inkluderes i studiet, og spor-
barhet mot referansestandarder må finnes for både
metoden med kalibratorer og mot interne kvalitets-
kontroller hvis mulig.
Første del av dataanalysen er en grov undersøkelse
av rådata fra studiepopulasjonen. Har alkoholfor-
bruk, røyking og kroppsmasse betydning? Egnede
statistiske verktøy må brukes, for eksempel logistisk
regresjon, hvilket forutsetter en dedikert statistisk
programpakke.
Er antallet observasjoner tilstrekkelig stort? Antallet
går ikke å tallfeste, selv om 121 observasjoner ofte er
nevnt som det minste antallet individer for å kunne
beregne referansegrenser med 90% konfidensinter-
valler med ikke-parametriske metoder. Antallet er
dog også avhengig av hvorvidt overraskelser kan
utelukkes (se over) og også av fordelingen av målere-
Illustrasjonseksempel
på parametrisk metode
Transformasjon til normalfordeling. Vi begyn-
ner med å fjerne slengere, fordi de vil påvirke alle
senere beregninger. Det ble her fjernet en slenger,
merket med rødt kryss i plottet (Illustrasjon 2).
Både gjennomsnitt og standardavvik for MUC1
er avhengig av en kovariat (alder) og fordelingen
er heller ikke normalfordelt. Innflytelsen av kova-
riaten på gjennomsnitt (μ) og standardavvik (σ)
korrigeres først. Deretter transformeres det alders-
korrigerte resultatet x i en to-trinns transformasjon
til et normalfordelt resultat z med gjennomsnitt 0
og standardavvik 1.
For MUC1 ser vi til venstre alder, deretter de opp-
rinnelige, utransformerte verdiene, og til høyre
verdiene etter transformasjon til normalfordeling:
µ
= –4,61+4,31
✕
1n(
Alder
)
σ = –2,14+3,82
✕
1n(
Alder
)
Z
i
= (e
-0,67x
i
–1)/–0,67
(e
-0,67x
i
–1)/–0,67
[(
(
(e
-0,67x
i
–1)/–0,67+1
)
–1
)
/2,50
]
64
17.3
0.142
44
21.3
0.842
56
13.1
-0.243
39
15.7
0.236
51
7.6
-1.540
52
16.9
0.205
45
8.4
-1.162
52
14.7
-0.018
18
6.7
-1.070
27
14.6
0.351
44
21.1
0.818
42
17.1
0.358
64
25.3
0.986
37
20.6
0.9112
28
9.6
-0.463
27
8.2
-0.839
46
8.3
-1.211
18
19.3
1.606
Etter transformasjonen lager vi et normalforde-
lingsplott (Illustrasjon 1), for å sjekke at transfor-
masjonen er vellykket. Siden vi nå skal beregne
referansegrenser tilsvarende 97,5% persentilen,
bør plottet være rettlinjet ut til 2 standardavvik.
Plottet er tilnærmet rettlinjet og transformasjonen
derfor gyldig. Vi beregner nå referansegrenser og
transformerer deretter disse tilbake til opprinnelig
måleskala. Til sist lager vi et plott (Illustrasjon 2)
over øvre referansegrense med konfidensinterval-
ler (beregning av konfidensintervaller er forholds-
vis komplisert og utelatt med vilje).
(Fortsætter side 12)
